スマホで見る方はQRコードを読み込んでください
Goodmanによる定義(Goodman et.al, 2016):
方法の再現可能性(Methods reproducibility):反復可能性にもっとも近い.研究方法とデータに関する十分な情報が提供され、同じ手順を反復できるようになっていることを意味する.
結果の再現可能性(Results reproducibility):「方法の再現可能性」と密接に関連している.「元の実験と可能な限り同じ手順で,独立した実験を実施し,同じ結果を得ること」を意味する.
推論の再現可能性(Inferential reproducibility):先の2つの再現可能性とは異なる。別の研究から同じ推論が導かれることもあれば,同じデータから別の結果が推測されることもある.このため,推論の再現可能性とは「独立した再現実験もしくは元の研究の再分析から,質的に類似した結果を導くこと」を意味する.
Stoddenによる定義(Stodden, 2014):
Bakerによる定義(Baker, 2016):
※ 統計処理はあくまでも「プロセス」なので,決まった形式が存在している.同じ分析結果を出力するための技術は身につける必要がある.
※ 間違ったことを責めるのではなく,どこに原因があるのかを探す&見つけられることが重要.
| チャンクオプション | デフォルト | オプションの意味 |
|---|---|---|
| echo | TRUE | チャンク内での計算結果を出力として表示するか(TRUE)否か(FALSE). |
| error | TRUE | チャンク内でのエラーを表示するか否か. |
| eval | TRUE | チャンク内での計算結果を評価するか否か |
| fig.cap | 図の注釈:fig.cap=“Figure1” | |
| fig.height | 7 | 図の縦幅(インチ) |
| fig.width | 7 | 図の横幅(インチ) |
| include | TRUE | チャンク・実行結果を出力するか否か(FALSEでもコードは評価される). |
| message | TRUE | チャンク内でのパッケージの読み込みなどのメッセージを表示するか否か. |
| warning | TRUE | チャンク内での警告を表示するか否か. |
## テキストの修飾
*イタリック*
_イタリック_
**太字**
__太字__
~~取り消し~~
# 見出し1
## 見出し2
### 見出し3
#### 見出し4
##### 見出し5
###### 見出し6
# 数字なし箇条書き
* Item 1
* Item 2
* Item 2.1
* Item 2.2
# 数字あり箇条書き
1. Item 1
2. Item 2
1. Item 2.1
2. Item 2.2
# 改行
今日は
いい天気ですね。
文章中で改行をしたい場合には、半角スペースを3つ打つ。
#リンク
http://www.yahoo.co.jp
はヤフーのURL
[こちら](http://www.yahoo.co.jp)からヤフーに行けます。
# 引用文
学部長は
> 今日の天気はよろしくない
と、おっしゃった
> 学部長は
> > 今日の天気はよろしくない
> と、おっしゃった
という発言は、間違いである。とごとうは言った。
Rにおける合計を求める関数は`sum()`です。
## 数式
$$1 + 1 = 2$$
$$x * y = 15$$
$$(身長) = (体重)\beta + \alpha + \epsilon_i $$
## 水平線
***
今日のお昼ご飯は何にしようかなぁ。
もう、最近仕事だらけでのんびりしたいなぁ。。。
---
output: html_document
output: word_document
output: ioslides_presentation
output: slidy_presentation
# A tibble: 963 x 54
SUB_HAP SUB_SAT SUB_SLP DIC_PAR DIC_FRI DIC_OTH ULT_PRO_PAR ULT_PRO_FRI
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 4 4 9 10 5 3 10 5
2 6 5 8 3 1 0 3 5
3 5 3 3 10 5 0 10 5
4 5 5 4 2 0 0 5 5
5 3 3 2 0 0 0 5 5
6 7 7 6 3 1 0 3 1
7 5 5 6 5 2 0 5 3
8 5 5 8 5 5 0 5 5
9 1 3 1 10 5 0 10 5
10 7 7 5 5 5 0 5 5
# … with 953 more rows, and 46 more variables: ULT_PRO_OTH <dbl>,
# ULT_REC_PAR <dbl>, ULT_REC_FRI <dbl>, ULT_REC_OTH <dbl>,
# TRU_PAR <dbl>, TRU_FRI <dbl>, TRU_OTH <dbl>, SPN_UNM <dbl>,
# SPN_THK <dbl>, SPN_FEA <dbl>, SPN_LIV <dbl>, SPN_IMP <dbl>,
# KAN_SEC <dbl>, KAN_THI <dbl>, KAN_SUP <dbl>, KAN_PRD <dbl>,
# KAN_KYK <dbl>, DED_SHI <dbl>, DED_TEN <dbl>, DED_JIG <dbl>,
# DED_KIS <dbl>, DED_PUN <dbl>, SEX_IMP <dbl>, SEX_MAS <dbl>,
# SEX_SEX <dbl>, SEX_OBJ <chr>, SEX_NIN <chr>, SEX_NNA <dbl>,
# SEX_IMP_num <dbl>, SEX_MAS_nen <dbl>, SEX_SEX_nen <dbl>,
# SEX_NIN_cen <dbl>, F_SEX <chr>, F_GEN_2 <chr>, F_GEN <chr>,
# F_FGR <chr>, F_INK <chr>, F_INS <chr>, F_INK_cen <dbl>,
# F_INS_cen <dbl>, F_TAN <chr>, ARE <chr>, PRE <dbl>, MAR <chr>,
# CHI <chr>, ID <dbl>
[1] Hokkaido Chubu Chubu Kanto Kyushu Chubu Kanto
[8] Chubu Chubu Kanto Kinki Tohoku Kyushu Kyushu
[15] Chugoku Tohoku Kanto Chugoku Hokkaido Kanto Hokkaido
[22] Chubu Chubu Kanto Kanto Hokkaido Kanto Chubu
[29] Kinki Chubu Kanto Chubu Kinki Kanto Kanto
[36] Kanto Kinki Kanto Tohoku Kanto Chubu Kinki
[43] Kanto Kyushu Kyushu Tohoku Kinki Shikoku Kanto
[50] Kinki Kyushu Kanto Chugoku Kyushu Kanto Kinki
[57] Kinki Kyushu Chugoku Kyushu Kanto Kanto Kyushu
[64] Chubu Kinki Chugoku Kanto Kanto Kanto Kanto
[71] Kanto Kanto Kanto Kinki Kinki Kanto Kanto
[78] Kanto Kinki Chubu Tohoku Kinki Kanto Kanto
[85] Kinki Hokkaido Tohoku Kanto Kinki Kinki Kanto
[92] Kanto Kanto Chugoku Chubu Kanto Kyushu Kanto
[99] Chubu Chugoku Tohoku Chubu Kanto Kinki Kyushu
[106] Chugoku Kanto Hokkaido Kanto Kinki Kanto Chugoku
[113] Chubu Tohoku Chugoku Chubu Kanto Kanto Chugoku
[120] Chubu Kanto Chugoku Kanto Kyushu Kanto Chubu
[127] Chubu Chubu Kyushu Hokkaido Kinki Kanto Kanto
[134] Kanto Kanto Kanto Kanto Kanto Kinki Tohoku
[141] Kanto Kanto Kinki Kanto Shikoku Kinki Chugoku
[148] Kanto Kanto Chugoku Chubu Tohoku Hokkaido Kanto
[155] Kyushu Chubu Kanto Kanto Chubu Shikoku Kyushu
[162] Chubu Chugoku Kanto Kanto Chubu Tohoku Kinki
[169] Chubu Chubu Kanto Kanto Chubu Chugoku Chugoku
[176] Chugoku Kanto Kyushu Kanto Kanto Chugoku Kanto
[183] Kinki Kanto Kanto Chubu Chubu Chugoku Kanto
[190] Kanto Kanto Kinki Kinki Kanto Kanto Kanto
[197] Shikoku Hokkaido Chubu Kanto Kinki Kanto Kanto
[204] Chubu Chugoku Shikoku Kanto Chubu Chubu Kanto
[211] Kyushu Kanto Chugoku Kanto Kanto Kanto Kanto
[218] Kinki Kanto Kinki Kanto Tohoku Kanto Hokkaido
[225] Kinki Kanto Kanto Hokkaido Kanto Kyushu Kanto
[232] Kinki Tohoku Kanto Kinki Kinki Tohoku Kanto
[239] Kanto Kanto Kanto Kanto Kanto Kanto Chugoku
[246] Kinki Hokkaido Chugoku Kanto Kinki Chubu Kanto
[253] Kanto Chugoku Shikoku Chubu Kyushu Kanto Chubu
[260] Tohoku Kanto Kanto Kanto Tohoku Kyushu Kanto
[267] Kinki Chubu Chubu Hokkaido Kinki Kinki Kyushu
[274] Kanto Kanto Chubu Kyushu Chubu Kinki Kanto
[281] Shikoku Kanto Kanto Kanto Kinki Kyushu Kinki
[288] Kyushu Hokkaido Kinki Kanto Kanto Kyushu Kanto
[295] Kanto Kinki Kinki Kanto Kinki Tohoku Chubu
[302] Chubu Kinki Kanto Kyushu Kinki Kinki Kanto
[309] Kinki Chubu Kinki Kinki Kanto Kanto Hokkaido
[316] Kyushu Shikoku Kinki Chubu Kanto Chubu Chugoku
[323] Kanto Kinki Kanto Kanto Tohoku Chubu Tohoku
[330] Kinki Shikoku Kanto Kanto Kanto Kanto Kanto
[337] Chugoku Kinki Kanto Kinki Kanto Chubu Kanto
[344] Kinki Kanto Kyushu Chubu Chubu Kanto Chubu
[351] Kanto Kanto Tohoku Chubu Kinki Kanto Chugoku
[358] Kinki Tohoku Kanto Kinki Chubu Kinki Chubu
[365] Chubu Kinki Kanto Kinki Kanto Tohoku Kinki
[372] Kyushu Kanto Kanto Shikoku Tohoku Shikoku Kyushu
[379] Kanto Kanto Tohoku Chugoku Chubu Kanto Kanto
[386] Chubu Kinki Shikoku Kanto Kanto Hokkaido Kanto
[393] Kinki Chubu Kanto Kanto Kanto Kanto Chubu
[400] Kyushu Kanto Kinki Chubu Kanto Chubu Kanto
[407] Kanto Kanto Kinki Tohoku Kanto Kyushu Kinki
[414] Kanto Hokkaido Kanto Chubu Kanto Kyushu Kinki
[421] Chugoku Chubu Chubu Kinki Kanto Kanto Kinki
[428] Chubu Kanto Kanto Kinki Kanto Kanto Chubu
[435] Kanto Kanto Kanto Hokkaido Kinki Kanto Kinki
[442] Chugoku Kanto Chubu Hokkaido Chugoku Kinki Chubu
[449] Tohoku Kyushu Kinki Kinki Kanto Kyushu Kyushu
[456] Kyushu Kanto Tohoku Kanto Hokkaido Kyushu Kinki
[463] Kanto Kyushu Tohoku Shikoku Kanto Chubu Chugoku
[470] Chubu Kyushu Kinki Chubu Kanto Kyushu Kanto
[477] Kanto Kanto Chubu Kanto Kanto Kanto Kanto
[484] Kanto Chubu Kanto Kinki Tohoku Kanto Hokkaido
[491] Kanto Chubu Tohoku Chubu Kanto Kanto Kinki
[498] Kinki Kyushu Kinki Kanto Kanto Kinki Kanto
[505] Kyushu Kanto Chubu Kinki Chubu Kanto Kinki
[512] Kyushu Chubu Kanto Chugoku Tohoku Kyushu Kinki
[519] Kanto Kinki Kanto Kanto Kanto Tohoku Chugoku
[526] Chubu Kinki Kinki Kanto Kanto Kanto Kanto
[533] Kanto Kinki Kanto Kinki Kanto Kanto Kinki
[540] Chubu Kanto Kanto Tohoku Kanto Chubu Tohoku
[547] Kanto Kanto Chubu Chubu Kanto Chubu Kanto
[554] Tohoku Chugoku Chubu Kanto Chugoku Kanto Kanto
[561] Kinki Kyushu Kanto Chubu Kinki Kanto Kinki
[568] Kinki Hokkaido Kanto Kanto Kanto Tohoku Kanto
[575] Kinki Kinki Kanto Kanto Kanto Kanto Chubu
[582] Kanto Kyushu Chugoku Kinki Kanto Kanto Chubu
[589] Kanto Kyushu Kanto Kinki Kanto Kyushu Chubu
[596] Chubu Chubu Kanto Kanto Chugoku Tohoku Chubu
[603] Kanto Kanto Kinki Kanto Chugoku Kanto Shikoku
[610] Kanto Hokkaido Chugoku Kyushu Chubu Kanto Kanto
[617] Kanto Kanto Kyushu Chubu Kanto Kanto Chugoku
[624] Chugoku Shikoku Kanto Chugoku Kanto Kanto Kyushu
[631] Hokkaido Kinki Chubu Kanto Kyushu Kanto Tohoku
[638] Kinki Kanto Kanto Kanto Chubu Kanto Kanto
[645] Kyushu Chubu Kanto Chubu Chubu Kanto Kanto
[652] Kyushu Chubu Kanto Kyushu Chubu Kinki Kinki
[659] Kinki Kanto Hokkaido Kanto Kanto Kyushu Kanto
[666] Kyushu Shikoku Tohoku Kyushu Kanto Kinki Kinki
[673] Chubu Hokkaido Kanto Kanto Kanto Chubu Kinki
[680] Kanto Kinki Kanto Kinki Kanto Chugoku Kyushu
[687] Tohoku Kyushu Tohoku Chubu Kanto Kinki Hokkaido
[694] Kanto Kanto Kanto Kinki Kinki Kanto Kanto
[701] Kanto Chubu Chubu Kanto Kinki Chubu Kanto
[708] Kanto Kinki Chugoku Kinki Tohoku Chubu Chubu
[715] Kanto Chubu Kanto Kanto Chubu Kinki Kyushu
[722] Kyushu Kyushu Kanto Chubu Kanto Hokkaido Kanto
[729] Kinki Hokkaido Kanto Kanto Chugoku Kanto Tohoku
[736] Chugoku Chubu Tohoku Kinki Kyushu Chugoku Chugoku
[743] Chubu Kanto Chubu Chubu Kinki Kyushu Chubu
[750] Kinki Kinki Chugoku Chubu Chubu Chubu Kinki
[757] Kyushu Kinki Kinki Chugoku Kyushu Chubu Chubu
[764] Kanto Kyushu Shikoku Kanto Kinki Kanto Kanto
[771] Kanto Chubu Kinki Kinki Hokkaido Kanto Kanto
[778] Chubu Kanto Kyushu Kinki Chugoku Kanto Kanto
[785] Kyushu Chubu Chugoku Kinki Kyushu Kanto Kanto
[792] Tohoku Tohoku Tohoku Kyushu Tohoku Kanto Kanto
[799] Kanto Kanto Tohoku Chugoku Chubu Kanto Kinki
[806] Chubu Kinki Chubu Kanto Kinki Kinki Kanto
[813] Kanto Tohoku Chubu Kanto Tohoku Kanto Kinki
[820] Kyushu Chubu Kanto Chugoku Kanto Kanto Kinki
[827] Chugoku Chugoku Kanto Kyushu Tohoku Tohoku Hokkaido
[834] Kanto Kyushu Chubu Kanto Chubu Tohoku Chubu
[841] Kinki Kinki Kanto Kanto Kinki Chubu Kinki
[848] Kyushu Hokkaido Kyushu Chubu Chubu Kanto Tohoku
[855] Kanto Kanto Kyushu Kanto Kinki Kanto Kanto
[862] Kinki Kinki Kanto Kanto Kinki Tohoku Kanto
[869] Kinki Kanto Kanto Chugoku Chubu Tohoku Kanto
[876] Kanto Kanto Kanto Kyushu Kanto Kanto Chubu
[883] Kyushu Kinki Kyushu Tohoku Chugoku Kyushu Kinki
[890] Kanto Kinki Kyushu Kinki Kanto Kanto Kanto
[897] Kanto Kinki Tohoku Kanto Tohoku Kinki Kanto
[904] Kanto Kinki Kinki Tohoku Kyushu Kanto Kinki
[911] Chubu Hokkaido Kanto Kinki Kanto Kanto Chugoku
[918] Kanto Tohoku Kanto Chugoku Chugoku Hokkaido Kyushu
[925] Kanto Kyushu Kanto Kanto Chubu Kanto Kinki
[932] Chugoku Chubu Kanto Kanto Tohoku Kanto Kanto
[939] Kanto Chubu Shikoku Kinki Kyushu Kanto Hokkaido
[946] Chubu Tohoku Kinki Kanto Chubu Kanto Chubu
[953] Kanto Kinki Kanto Chubu Kinki Kyushu Kyushu
[960] Kanto Chugoku Kyushu Kinki
Levels: Chubu Chugoku Hokkaido Kanto Kinki Kyushu Shikoku Tohoku
head()を使うと最初の5つのデータだけを表示してくれる.## Reordering exdataset$ARE
exdataset$ARE <- factor(exdataset$ARE, levels=c("Kanto", "Hokkaido", "Tohoku", "Chubu", "Kinki", "Chugoku", "Shikoku", "Kyushu"))
head(factor(exdataset$ARE))[1] Hokkaido Chubu Chubu Kanto Kyushu Chubu
Levels: Kanto Hokkaido Tohoku Chubu Kinki Chugoku Shikoku Kyushu
[1] Married NotMarried Married NotMarried Married NotMarried
Levels: Married NotMarried
[1] Child NoChild Child NoChild NoChild Child
Levels: Child NoChild
NoChild(子どもなし)を最初として,次にChild(子どもあり)として並べ替えよう.
exdataset$F_SEXのmale(男性)のみを取り出して,exdataset_maleというデータセットを作ってSUB_HAP(主観的幸福度)の平均値を算出してみましょう.
[1] 6.002077
library(dplyr)
# dplyrという関数を用いる.
# もしインストールをしていなかった場合には`install.packages('dplyr', dependencies = T)`を最初の一回だけ入力する必要がある.
exdataset_male <- exdataset %>% filter(F_SEX == "male")
# `exdataset`について,`F_SEX`が`male`であるデータだけを取り出す.
# `=`ではなく,`==`であることに注意しよう.
head(factor(exdataset_male$F_SEX))[1] male male male male male male
Levels: male
[1] 5.491358
exdataset$F_SEXのfemale(女性)のみを取り出して,exdataset_femaleというデータセットを作ってSUB_HAP(主観的幸福度)の平均値を算出してみましょう.
次回までにご自身で分析してみたいテーマ(回帰分析1つ)+(t検定1つ)+(分散分析1つ)の帰無仮説と対立仮説を考えてきてください.
exdataset$MARのMarried(既婚者)のみを取り出して,exdataset_Marriedというデータセットを作ってSUB_HAP(主観的幸福度)の平均値を算出してみましょう.
exdataset$MARのNotMarried(未既婚者)のみを取り出して,exdataset_NotMarriedというデータセットを作ってSUB_HAP(主観的幸福度)の平均値を算出してみましょう
exdataset$CHIのChild(子どもあり)のみを取り出して,exdataset_Childというデータセットを作ってSUB_HAP(主観的幸福度)の平均値を算出してみましょう
exdataset$CHIのNoChild(子どもなし)のみを取り出して,exdataset_NoChildというデータセットを作ってSUB_HAP(主観的幸福度)の平均値を算出してみましょう
ダウンロードはコチラから
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 主観的幸福度 | SUB_HAP | 現在,あなたはどの程度幸せですか?「とても幸せ」を10点,「とても不幸せ」を0点とすると,何点くらいになると思いますか?* | 0点「とても不幸せ」-10点「とても幸せ」 |
| 生活満足度 | SUB_SAT | あなたは全体として最近の生活にどの程度満足していますか?「とても満足」を10点,「とても不満足」を0点とすると,何点くらいになると思いますか? | 0点「とても不満足」-10点「とても満足」 |
| 生活満足度 | SUB_SLP | あなたは最近,どの程度眠れていますか?「とても眠れている」を10点,「全く眠れていない」を0点とすると,何点くらいになると思いますか? | 0点「全く眠れていない」-10点「とても眠れている」 |
図を見て下さい.
あなたはAさんです. あなたはTポイントを10ポイントを受け取りました.
そのうち,あなたはBさんに何ポイントかを渡すことができます.
さて,あなたはBさんに何ポイント渡しますか?
ここでは以下の条件の場合について教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 主観的幸福度 | DIC_PAR | Bさんが両親の場合 | 0ポイント-10ポイント |
| DG友人条件 | DIC_FRI | Bさんが友人の場合 | 0ポイント-10ポイント |
| DG他者条件 | DIC_OTH | Bさんが全く知らない他人の場合 | 0ポイント-10ポイント |
図を見て下さい.
あなたはAさんです. あなたはTポイントを10ポイントを受け取りました.
そのうち,あなたはBさんとポイントを分け合うことになりました.
あなたは,Bさんに対して分け合うポイントを提案することができます.
あなたは,10ポイントの中から,Bさんに対して分けたポイントを引いた残りを受け取ることができます.
しかし,Bさんがあなたの提案を拒否した場合には,その提案は実現せずに,
お互いポイントをもらえないことになります.
さて,あなたはBさんに何ポイント渡すことを提案しますか?
ここでは以下の条件の場合について教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 最終提案提案者両親条件 | ULT_PRO_PAR | Bさんが両親の場合 | 0ポイント-10ポイント |
| 最終提案提案者友人条件 | ULT_PRO_FRI | Bさんが友人の場合 | 0ポイント-10ポイント |
| 最終提案提案者他者条件 | ULT_PRO_OTH | Bさんが全く知らない他人の場合 | 0ポイント-10ポイント |
図を見て下さい. あなたはBさんです. AさんはTポイントを10ポイントを受け取りました.
Aさんが,あなたに対して分け合うポイントを提案します.
Aさんは,10ポイントの中から,あなたに対して分けたポイントを引いた残りを受け取ることができます.
しかし,あなたがAさんの提案を拒否した場合には,その提案は実現せずに,
お互いポイントをもらえないことになります.
さて,最低でも何ポイントの提案を受けたら,Aさんの提案を受け入れますか?
ここでは以下の条件の場合について教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 最終提案応答者両親条件 | ULT_REC_PAR | Bさんが両親の場合 | 0ポイント-10ポイント |
| 最終提案応答者友人条件 | ULT_REC_FRI | Bさんが友人の場合 | 0ポイント-10ポイント |
| 最終提案応答者他者条件 | ULT_REC_OTH | Bさんが全く知らない他人の場合 | 0ポイント-10ポイント |
図を見て下さい.
あなたはAさんです. あなたはTポイントを10ポイント持っています.
いくらかをCさんにあずけてください. CさんはあなたからあずかったTポイントを3倍にしてBさんに渡します.
Bさんは手元に渡されたポイントのうち,いくらかをあなたに返します.
この時,あなたはCさんにいくらあずけますか?
ここではBさんが以下の条件の場合について教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 信頼両親条件 | TRU_PAR | Bさんが両親の場合 | 0ポイント-10ポイント |
| 信頼友人条件 | TRU_FRI | Bさんが友人の場合 | 0ポイント-10ポイント |
| 信頼他者条件 | TRU_OTH | Bさんが全く知らない他人の場合 | 0ポイント-10ポイント |
以下の質問について4点満点でお答えください.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 自然運命 | SPN_UNM | 何かの大きな力に自分の運命は動かされているように感じることがある. | 1全くそう思わない-4非常にそう思う |
| 自然感謝 | SPN_THK | 自然などの人間を超えた力に感謝の気持ちを持つことがある. | 1全くそう思わない-4非常にそう思う |
| 自然恐怖 | SPN_FEA | 自然などの人間を超えた力に恐れの気持ちを持つことがある. | 1全くそう思わない-4非常にそう思う |
| 自然生存 | SPN_LIV | 自然などの人間を超えた力によって,生かされていると思うことがある. | 1全くそう思わない-4非常にそう思う |
| 自然大切 | SPN_IMP | 自然は大切な存在である. | 1全くそう思わない-4非常にそう思う |
以下の質問について4点満点でお答えください.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 第2者被監視感 | KAN_SEC | 日常生活の中で,直接誰か(人間)に見られていると思うことがある. | 1全くそう思わない-4非常にそう思う |
| 第3者被監視感 | KAN_THI | 日常生活の中で,監視カメラ等を通じて誰か(人間)に間接的に見られていると思うことがある. | 1全くそう思わない-4非常にそう思う |
| 超自然的被監視感 | KAN_SUP | 日常生活の中で,超自然的な存在に見られていると思うことがある. | 1全くそう思わない-4非常にそう思う |
| 第2者被監視感 | KAN_PRD | 無機物の中に,人間の表情のようなものを見出すことがある. | 1全くそう思わない-4非常にそう思う |
| 自然大切 | KAN_KYK | 人に対して共感をすることがある. | 1全くそう思わない-4非常にそう思う |
以下の質問について4点満点でお答えください.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 死後世界 | DED_SHI | 「死後の世界」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| 天国 | DED_TEN | 「天国」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| 地獄 | DED_JIG | 「地獄」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| 奇跡 | DED_KIS | 「奇跡」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| 天罰 | DED_PUN | 「天罰」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
以下の質問についてお答えください.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 性衝動 | SEX_IMP,SEX_IMP_num(数値,欠損値有り) | あなたの性衝動はどの程度強いと思いますか?7点満点でお答え下さい.なお,答えたくない方は「8.答えたくない」を選んで下さい. | 全く弱い.2. 弱い.3. どちらかと言えば弱い.4. どちらとも言えない.5. どちらかと言えば強い.6. 強い.7. 非常に強い.8. 答えたくない. |
| 自慰回数 | SEX_MAS,SEX_MAS_nen(年間回数): | あなたはどの程度の頻度でマスターベーションをしていますか?以下の選択肢の中から最も近いものを選んで下さい.なお,答えたくない方は「10. 答えたくない」を選んで下さい. | 1. 経験がない「0」, 2. 年に1回程度「1」, 3. 半年に1回程度「2」, 4. 3ヶ月に1回程度「4」, 5. 1ヶ月に1回程度「12」, 6. 2週に1回程度「26」, 7. 週に1回程度「52」, 8. 週に2-3回程度「130」, 9. 1日に1回程度「365」, 10. それ以上「730」, 11. 答えたくない「NA」 |
| 性交渉回数 | SEX_SEX,SEX_SEX_nen(年間回数) | あなたはどの程度の頻度で性交渉(性行為)をしていますか?以下の選択肢の中から最も近いものを選んで下さい.なお,答えたくない方は「10. 答えたくない」を選んで下さい. | 1. 経験がない「0」, 2. 年に1回程度「1」, 3. 半年に1回程度「2」, 4. 3ヶ月に1回程度「4」, 5. 1ヶ月に1回程度「12」, 6. 2週に1回程度「26」, 7. 週に1回程度「52」, 8. 週に2-3回程度「130」, 9. 1日に1回程度「365」, 10. それ以上「730」, 11. 答えたくない「NA」 |
| 性衝動対象 | SEX_OBJ | あなたの性衝動の対象として当てはまる選択肢を選んで下さい.なお,答えたくない方は「5.答えたくない」を選んで下さい. | 1.異性, 2. 同性,3. 両方,4. その他,5. 答えたくない |
| 天罰 | SEX_NIN,SEX_NIN_cen(中央値) | あなたが性交渉(性行為)をしたことがある人数を教えて下さい.* 性交渉を(性行為)したことがない場合は「0. 0人」を選んで下さい. また,答えたくない方は「12.答えたくない」を選んで下さい. | 1. 0人 「0」, 2. 1人 「1」, 3. 2〜3人 「2.5」, 4. 4〜5人 「4.5」, 5. 5〜7人 「6」, 6. 8〜10人 「9」, 7. 11〜15人 「13」, 8. 16〜20人 「18」, 9. 21〜30人 「25.5」, 10. 31〜40人 「35.5」, 11. 41〜100人 「70.5」, 12. 101人以上 「101」, 13. 答えたくない.「NA」 |
| 性情報開示 | SEX_NNA | 性情報に対して開示しなかった個数 | 上記5つについて答えたくないを選んだ個数 |
あなたのことについて教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
|---|---|---|---|
| 性別 | F_SEX | あなたの性別を教えて下さい. | 1.男性, 2.女性,3.その他 |
| 世代 | F_GEN | あなたの年齢を教えて下さい. | 1. 10代前半, 2. 10代後半, 3. 20代前半, 4. 20代後半, 5. 30代前半, 6. 30代後半, 7. 40代前半, 8. 40代後半, 9. 50代前半, 10. 50代前半, 11. 60代前半, 12. 60代後半, 13. 70代以降 |
| 最終学歴 | F_FGR | あなたの最終学歴を教えて下さい. | 1. 中学校卒業, 2. 高校中退, 3. 高校卒業, 4. 専門学校(短期大学)中退, 5. 専門学校(短期大学)卒業, 6. 大学中退, 7. 大学卒業, 8. 大学院修士課程(博士前期課程)中退, 9. 大学院修士課程(博士前期課程)修了, 10. 大学院博士課程(博士後期課程)中退, 11. 大学院博士課程(博士後期課程)修了 |
| 個人収入 | F_INK,F_INK_cen(中央値,百万円) | あなた個人の年収を教えて下さい. | 0. 0円, 1. 1円〜200万円未満, 2. 200万円以上〜400万円未満, 3. 400万円以上〜600万円未満, 4. 600万円以上〜800万円未満, 5. 800万円以上〜1,000万円未満, 6. 1,000万円以上〜1,200万円未満, 7. 1,200万円以上〜1,500万円未満, 8. 1,500万円以上〜2,000万円未満, 9. 2,000万円以上, 10. わからない |
| 世帯収入 | F_INS,F_INS_cen(中央値,百万円) | あなたの世帯での収入の合計を教えて下さい. | 0. 0円, 1. 1円〜200万円未満, 2. 200万円以上〜400万円未満, 3. 400万円以上〜600万円未満, 4. 600万円以上〜800万円未満, 5. 800万円以上〜1,000万円未満, 6. 1,000万円以上〜1,200万円未満, 7. 1,200万円以上〜1,500万円未満, 8. 1,500万円以上〜2,000万円未満, 9. 2,000万円以上, 10. わからない |
| 回答端末 | F_TAN | あなたが現在回答に使われているケータイ/タブレット/パソコンについて,当てはまるものを選んで下さい. | 1. パソコン(Windows), 2. パソコン(Mac), 3. パソコン(その他), 4. タブレット(Windows), 5. タブレット(iOS,iPad), 6. タブレット(android), 7. タブレット(その他), 8. スマホ(Windows), 9. スマホ(iOS,iPhone), 10. スマホ(android), 11. スマホ(その他), 12. ガラケー,フィーチャーホン, 13. その他 |
| 都道府県 | PRE | あなたのお住まいの県を教えて下さい. | 1. 北海道2. 青森県3. 岩手県4. 宮城県5. 秋田県6. 山形県7. 福島県8. 茨城県9. 栃木県10. 群馬県11. 埼玉県12. 千葉県13. 東京都14. 神奈川県15. 新潟県16. 富山県17. 石川県18. 福井県19. 山梨県20. 長野県21. 岐阜県22. 静岡県23. 愛知県24. 三重県25. 滋賀県26. 京都府27. 大阪府28. 兵庫県29. 奈良県30. 和歌山県31. 鳥取県32. 島根県33. 岡山県34. 広島県35. 山口県36. 徳島県37. 香川県38. 愛媛県39. 高知県40. 福岡県41. 佐賀県42. 長崎県43. 熊本県44. 大分県45. 宮崎県46. 鹿児島県47. 沖縄県 |
| 地域 | ARE | 都道府県から地域に変換 | 北海道:1. 北海道,東北地方:2. 青森県3. 岩手県4. 宮城県5. 秋田県6. 山形県7. 福島県,関東地方:8. 茨城県9. 栃木県10. 群馬県11. 埼玉県12. 千葉県13. 東京都14. 神奈川県,中部地方:15. 新潟県16. 富山県17. 石川県18. 福井県19. 山梨県20. 長野県21. 岐阜県22. 静岡県23. 愛知県24. 三重県,近畿地方:25. 滋賀県26. 京都府27. 大阪府28. 兵庫県29. 奈良県30. 和歌山県,中国地方:31. 鳥取県32. 島根県33. 岡山県34. 広島県35. 山口県,四国地方:36. 徳島県37. 香川県38. 愛媛県39. 高知県,九州地方:40. 福岡県41. 佐賀県42. 長崎県43. 熊本県44. 大分県45. 宮崎県46. 鹿児島県47. 沖縄県 |
| 未既婚 | MAR | あなたはご結婚されていますか? | NotMarried:未婚,Married:既婚 |
| 子の有無 | CHI | あなたはお子さんがいらっしゃいますか? | NoChild:いない,Child:いる |
---
title: "データ解析論I第5講"
output:
flexdashboard::flex_dashboard:
vertical-layout: scroll
orientation: columns
source_code: embed
theme: journal
toc: true
toc_depth: 2
fig_mobile: true
highlight: pygments
css: styles_customized.css
---
```{r setup, include=FALSE}
library(flexdashboard)
library(readr)
exdataset <- read_csv("/Users/akira/Dropbox/Education/2019MEIJI/[3_Wed2]Data_Analytics/analysis/data/exdataset.csv")
library(ggplot2)
```
# 講義資料
## メイン資料 {.tabset .tabset-fade}
### 今日の資料はコチラから.
スマホで見る方は**QRコード**を読み込んでください
### 前回の復習
#### 再現可能性(Reproducibility)の重要性
##### 再現可能性に関する様々な議論と定義([Kulkarni, 2017](https://www.editage.jp/insights/irreproducibility-is-the-lack-of-an-accepted-definition-a-problem-in-itself))
Goodmanによる定義([Goodman et.al, 2016](https://stm.sciencemag.org/content/8/341/341ps12)):
* **方法の再現可能性**(Methods reproducibility):反復可能性にもっとも近い.研究方法とデータに関する十分な情報が提供され、同じ手順を反復できるようになっていることを意味する.
* 結果の再現可能性(Results reproducibility):「方法の再現可能性」と密接に関連している.「元の実験と可能な限り同じ手順で,独立した実験を実施し,同じ結果を得ること」を意味する.
* 推論の再現可能性(Inferential reproducibility):先の2つの再現可能性とは異なる。別の研究から同じ推論が導かれることもあれば,同じデータから別の結果が推測されることもある.このため,推論の再現可能性とは「独立した再現実験もしくは元の研究の再分析から,質的に類似した結果を導くこと」を意味する.
Stoddenによる定義([Stodden, 2014](https://web.stanford.edu/~vcs/talks/OpenConNov152014-STODDEN.pdf)):
* 実証的再現可能性(Empirical reproducibility):物理的に実験を繰り返して実証する必要なすべての情報が提供されていることを意味する.この定義は,グッドマン氏の「方法の再現可能性」の定義に近い.
* **計算/統計的再現可能性**(Computational and statistical reproducibility):研究における計算結果や分析結果を再び行うために欠かせないリソースが提供されていることを意味する.
Bakerによる定義([Baker, 2016](https://www.nature.com/news/muddled-meanings-hamper-efforts-to-fix-reproducibility-crisis-1.20076)):
* **分析的反復**(Analytic replication):単に元データを再分析して結果を再現すること.
* 直接的反復(Direct replication):元の実験と同じ条件,材料,方法を利用しようとすること.
* 体系的反復(Systematic replication):異なる実験条件で結果を再現しようとすること.(例えば,異なる細胞株やマウス株で実験を行うことなど.)
* 概念的反復(Conceptual replication ):ある概念の一般的な正当性を示そうとすること.異なる有機体を使用する場合も含まれる.
##### 再現可能なデータ分析とレポート作成のメリット(高橋, 2018)
* **信頼性**の向上
- データ解析とは,得たデータを分析結果やグラフに変換すること
- 同じデータからいつでもどこでも誰でも同じ結果を得られる必要がある
- 分析が再現できることは,信頼性が高いことを示している.
※ 統計処理はあくまでも「プロセス」なので,決まった形式が存在している.同じ分析結果を出力するための技術は身につける必要がある.
* **間違い**の検証
- 人間の作業には何らかの間違いが発生しがち.
- 特に,分析過程でコードのどこかに間違いが存在することがある.
- 再現可能なデータ分析を行うことで,間違いを探すことができる.
※ 間違ったことを責めるのではなく,どこに原因があるのかを探す&見つけられることが重要.
* **作業効率**の向上
- 作業の大半を自動化できており,作業時間を減少することができる.
- 間違いの検証にかかる時間も大幅に減少することが可能となる.
##### 作業を進める際には以下のことを気をつけましょう.
* データソースを手で加工,整形していないか
* コピペを行っていないか
- RのコードをRスクリプトにコピペする作業は除く
* コンソールに直接コマンドを入力していないか
- Rスクリプトを作成する際の動作確認やRスクリプトを実行するためのコマンドはコンソールに直接入力して良い
* 手作業で結果やグラフの保存を行っていないか
* 結果やグラフをコピペや手作業でレポートに貼り付けていないか
- Rマークダウンでレポートを作る場合
#### RMarkdownの使い方
##### 実際にRMarkdownでアウトプットを出力してみよう.
* RMarkdownを立ち上げます.
* 画面の通りクリックします.
* Knitをクリックします.
- 適宜保存等を行ってください.
- テンプレート通りのアウトプットが行われます.
- codeを保存しているフォルダにhtmlファイルができているので,確認してみよう.
##### Rmarkdownで編集するポイント
* YAMLヘッダー:
- RMarkdownのファイルのメタデータを設定
- 著者情報の編集,出力ファイルの切り替え,目次の作成などの設定が可能
- その他テンプレートなどをいろいろ組み合わせる.
* チャンク:
- コードを記述する部分
- この間にRコードを記述する.
- チャンクオプション:各チャンク内の動作を指定する.
| チャンクオプション | デフォルト | オプションの意味 |
| :----------------: | :--------: | ------------------------------------------------------------ |
| echo | TRUE | チャンク内での計算結果を出力として表示するか(TRUE)否か(FALSE). |
| error | TRUE | チャンク内でのエラーを表示するか否か. |
| eval | TRUE | チャンク内での計算結果を評価するか否か |
| fig.cap | | 図の注釈:fig.cap="Figure1" |
| fig.height | 7 | 図の縦幅(インチ) |
| fig.width | 7 | 図の横幅(インチ) |
| include | TRUE | チャンク・実行結果を出力するか否か(FALSEでもコードは評価される). |
| message | TRUE | チャンク内でのパッケージの読み込みなどのメッセージを表示するか否か. |
| warning | TRUE | チャンク内での警告を表示するか否か. |
| | | |
### 今回のやること
#### Rマークダウンの記法
```
## テキストの修飾
*イタリック*
_イタリック_
**太字**
__太字__
~~取り消し~~
# 見出し1
## 見出し2
### 見出し3
#### 見出し4
##### 見出し5
###### 見出し6
# 数字なし箇条書き
* Item 1
* Item 2
* Item 2.1
* Item 2.2
# 数字あり箇条書き
1. Item 1
2. Item 2
1. Item 2.1
2. Item 2.2
# 改行
今日は
いい天気ですね。
文章中で改行をしたい場合には、半角スペースを3つ打つ。
#リンク
http://www.yahoo.co.jp
はヤフーのURL
[こちら](http://www.yahoo.co.jp)からヤフーに行けます。
# 引用文
学部長は
> 今日の天気はよろしくない
と、おっしゃった
> 学部長は
> > 今日の天気はよろしくない
> と、おっしゃった
という発言は、間違いである。とごとうは言った。
Rにおける合計を求める関数は`sum()`です。
## 数式
$$1 + 1 = 2$$
$$x * y = 15$$
$$(身長) = (体重)\beta + \alpha + \epsilon_i $$
## 水平線
***
今日のお昼ご飯は何にしようかなぁ。
もう、最近仕事だらけでのんびりしたいなぁ。。。
---
```
#### その他の形式で出力してみよう.
* html以外の出力形式:
- YAMLヘッダを変えることでファイル形式を変えることができる.
- 1回それぞれを試してみよう.
##### htmlの時
```
output: html_document
```
##### wordの時
```
output: word_document
```
##### ioslides(プレゼンテーションその1)の時
```
output: ioslides_presentation
```
##### slidy(プレゼンテーションその2)の時
```
output: slidy_presentation
```
#### データの順序付け
* データの順序付け:データを分析しやすいように並び替えること.
- 分析をしやすいように並べ変える必要があることがある.
- Rでは自動的にアルファベット順に並べてくれる.
```{r}
exdataset <- read_csv("/Users/akira/Dropbox/Education/2019MEIJI/[3_Wed2]Data_Analytics/analysis/data/exdataset.csv")
exdataset
```
##### 地域を並べ替える.
```{r echo=TRUE}
factor(exdataset$ARE)
```
- 今のままだと中部,中国,北海道,関東,近畿,九州,四国,東北という順番で気持ちが悪い
- 関東を一番始めとして.北から順番に並べ替えましょう.
- `head()`を使うと最初の5つのデータだけを表示してくれる.
- 全部並べると植えみたいに長くなってめんどくさいじゃない?
```{r echo=TRUE}
## Reordering exdataset$ARE
exdataset$ARE <- factor(exdataset$ARE, levels=c("Kanto", "Hokkaido", "Tohoku", "Chubu", "Kinki", "Chugoku", "Shikoku", "Kyushu"))
head(factor(exdataset$ARE))
```
- Levelsを確認すると,関東を始めとして,北海道,東北,中部,近畿,中国,四国,九州の順番に並べ替えられる.
- 『関東』を最初にする理由は今後紹介するが,「比較の基準」とするモノを
##### 結婚と子どもの有無についても並べ替えよう.
```{r echo=TRUE}
head(factor(exdataset$MAR))
```
* NoChild(子どもなし)を最初として,次にChild(子どもあり)として並べ替えよう.
```{r echo=TRUE}
head(factor(exdataset$CHI))
```
* NoChild(子どもなし)を最初として,次にChild(子どもあり)として並べ替えよう.
* 並べ替えを手抜きするために"Addin"を使おう.
- そうすればクリックだけでいろいろできる.
#### データのフィルタリング
* データのフィルタリングとは:データを一定の基準で分けること
- ex.データを男性によるデータと女性によるデータに分けて分析を行う
```{r include=FALSE}
exdataset <- read_csv("/Users/akira/Dropbox/Education/2019MEIJI/[3_Wed2]Data_Analytics/analysis/data/exdataset.csv")
library(ggplot2)
## Reordering exdataset$ARE
exdataset$ARE <- factor(exdataset$ARE, levels=c("Kanto", "Hokkaido", "Tohoku", "Chubu", "Kinki", "Chugoku", "Shikoku", "Kyushu"))
## Reordering exdataset$MAR
exdataset$MAR <- factor(exdataset$MAR, levels=c("NotMarried", "Married"))
## Reordering exdataset$CHI
exdataset$CHI <- factor(exdataset$CHI, levels=c("NoChild", "Child"))
```
#### 男性のデータだけを取り出す.
* `exdataset$F_SEX`の`male(男性)`のみを取り出して,`exdataset_male`というデータセットを作って`SUB_HAP(主観的幸福度)`の平均値を算出してみましょう.
* 最初にデータ全体の主観的幸福度の平均値を確認しておきましょう.
```{r echo=TRUE}
mean(exdataset$SUB_HAP)
```
```{r echo=TRUE}
library(dplyr)
# dplyrという関数を用いる.
# もしインストールをしていなかった場合には`install.packages('dplyr', dependencies = T)`を最初の一回だけ入力する必要がある.
exdataset_male <- exdataset %>% filter(F_SEX == "male")
# `exdataset`について,`F_SEX`が`male`であるデータだけを取り出す.
# `=`ではなく,`==`であることに注意しよう.
head(factor(exdataset_male$F_SEX))
mean(exdataset_male$SUB_HAP)
```
#### 女性のデータだけを取り出す.
* `exdataset$F_SEX`の`female(女性)`のみを取り出して,`exdataset_female`というデータセットを作って`SUB_HAP(主観的幸福度)`の平均値を算出してみましょう.
- 各自でやってみましょう.
```{r include=FALSE}
exdataset_female <- exdataset %>% filter(F_SEX == "female")
# `exdataset`について,`F_SEX`が`male`であるデータだけを取り出す.
# `=`ではなく,`==`であることに注意しよう.
head(factor(exdataset_female$F_SEX))
mean(exdataset_female$SUB_HAP)
```
### 今日のTake Home Messages
#### RMarkdownの記法
* RMarkdown:
- R上でドキュメントを作成するツール
- **html**でも**Word**でも**htmlプレゼンテーション形式**でも報告可能
- 様々な記法を覚えましょう.
* データ分析をするためには,データを適切に取り扱う必要がある.
- filterで分けたり,順番を並べ替えたり.
```{r}
```
### Rでデータを扱う時に注意すべきこと
* 必ず数字/文字は半角で入力する.
* 日本語は使わずにローマ字を使用する.
* コメントアウト(コードではなく,関係ないメモを入れること)をするときは半角の「#」から始める.
- メモする内容は全角でもよい.
* ファイル名およびパスには決して全角の文字(ひらがな,カタカナ,漢字,全角スペースなど)を入れてはいけない.
- 半角英数字だけにする.
* 慌てずに落ち着いて操作すれば,決して難しくない.
- 1つずつ落ち着いて作業することを心がける.
* 「わからない」ことを恐れない
- 周りの友人に聞いたり,教員に確認したりしよう.
* 文字化け対策に**[こちら](https://docs.google.com/document/d/1CYF6LeFeGV9dTWHGuznkO0Tm4RnhAu2KatdSqFn7bmU/edit)** のp8以降を確認して設定しよう.
# 演習問題
## 問題
### 問題
#### 演習問題:
* 次回までにご自身で分析してみたいテーマ(回帰分析1つ)+(t検定1つ)+(分散分析1つ)の帰無仮説と対立仮説を考えてきてください.
* `exdataset$MAR`の`Married(既婚者)`のみを取り出して,`exdataset_Married`というデータセットを作って`SUB_HAP(主観的幸福度)`の平均値を算出してみましょう.
* `exdataset$MAR`の`NotMarried(未既婚者)`のみを取り出して,`exdataset_NotMarried`というデータセットを作って`SUB_HAP(主観的幸福度)`の平均値を算出してみましょう
* `exdataset$CHI`の`Child(子どもあり)`のみを取り出して,`exdataset_Child`というデータセットを作って`SUB_HAP(主観的幸福度)`の平均値を算出してみましょう
* `exdataset$CHI`の`NoChild(子どもなし)`のみを取り出して,`exdataset_NoChild`というデータセットを作って`SUB_HAP(主観的幸福度)`の平均値を算出してみましょう
#### リアクションペーパー:
* 授業で学んだことおよび感想を下記リンクからお答えください.
**[リアクションペーパー](https://forms.gle/jhMGgdhyb3sMgpWm7)**
### ヒント
* こんなことがかかわるかも?
- なんて,演習問題によってヒントが出たり何だりします.
- ヒントがない時は気合でがんばりましょう.
```{r}
```
# データの概要
### データ概要
ダウンロードは**[コチラ](https://akrgt.github.io/2019DA/data/exdataset.csv)**から
```{r}
library(DT)
DT::datatable(exdataset)
```
### 変数名リスト
#### 主観的指標
| 項目名 | データタイトル | 質問項目 | 回答 |
| ------------ | -------------- | ------------------------------------------------------------ | ------------------------------------------------ |
| 主観的幸福度 | SUB_HAP | 現在,あなたはどの程度幸せですか?「とても幸せ」を10点,「とても不幸せ」を0点とすると,何点くらいになると思いますか?* | 0点「とても不幸せ」-10点「とても幸せ」 |
| 生活満足度 | SUB_SAT | あなたは全体として最近の生活にどの程度満足していますか?「とても満足」を10点,「とても不満足」を0点とすると,何点くらいになると思いますか? | 0点「とても不満足」-10点「とても満足」 |
| 生活満足度 | SUB_SLP | あなたは最近,どの程度眠れていますか?「とても眠れている」を10点,「全く眠れていない」を0点とすると,何点くらいになると思いますか? | 0点「全く眠れていない」-10点「とても眠れている」 |
#### 独裁者ゲーム
図を見て下さい.
あなたはAさんです. あなたはTポイントを10ポイントを受け取りました.
そのうち,あなたはBさんに何ポイントかを渡すことができます.
さて,あなたはBさんに何ポイント渡しますか?
ここでは以下の条件の場合について教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
| ------------ | -------------- | ----------------------------- | -------------------- |
| 主観的幸福度 | DIC_PAR | Bさんが両親の場合 | 0ポイント-10ポイント |
| DG友人条件 | DIC_FRI | Bさんが友人の場合 | 0ポイント-10ポイント |
| DG他者条件 | DIC_OTH | Bさんが全く知らない他人の場合 | 0ポイント-10ポイント |
#### 最終提案ゲーム_提案者
図を見て下さい.
あなたはAさんです. あなたはTポイントを10ポイントを受け取りました.
そのうち,あなたはBさんとポイントを分け合うことになりました.
あなたは,Bさんに対して分け合うポイントを提案することができます.
あなたは,10ポイントの中から,Bさんに対して分けたポイントを引いた残りを受け取ることができます.
しかし,Bさんがあなたの提案を拒否した場合には,その提案は実現せずに,
お互いポイントをもらえないことになります.
さて,あなたはBさんに何ポイント渡すことを提案しますか?
ここでは以下の条件の場合について教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
| ---------------------- | -------------- | ----------------------------- | -------------------- |
| 最終提案提案者両親条件 | ULT_PRO_PAR | Bさんが両親の場合 | 0ポイント-10ポイント |
| 最終提案提案者友人条件 | ULT_PRO_FRI | Bさんが友人の場合 | 0ポイント-10ポイント |
| 最終提案提案者他者条件 | ULT_PRO_OTH | Bさんが全く知らない他人の場合 | 0ポイント-10ポイント |
#### 最終提案ゲーム_応答者
図を見て下さい.
あなたはBさんです. AさんはTポイントを10ポイントを受け取りました.
Aさんが,あなたに対して分け合うポイントを提案します.
Aさんは,10ポイントの中から,あなたに対して分けたポイントを引いた残りを受け取ることができます.
しかし,あなたがAさんの提案を拒否した場合には,その提案は実現せずに,
お互いポイントをもらえないことになります.
さて,最低でも何ポイントの提案を受けたら,Aさんの提案を受け入れますか?
ここでは以下の条件の場合について教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
| ---------------------- | -------------- | ----------------------------- | -------------------- |
| 最終提案応答者両親条件 | ULT_REC_PAR | Bさんが両親の場合 | 0ポイント-10ポイント |
| 最終提案応答者友人条件 | ULT_REC_FRI | Bさんが友人の場合 | 0ポイント-10ポイント |
| 最終提案応答者他者条件 | ULT_REC_OTH | Bさんが全く知らない他人の場合 | 0ポイント-10ポイント |
#### 信頼ゲーム
図を見て下さい.
あなたはAさんです. あなたはTポイントを10ポイント持っています.
いくらかをCさんにあずけてください. CさんはあなたからあずかったTポイントを3倍にしてBさんに渡します.
Bさんは手元に渡されたポイントのうち,いくらかをあなたに返します.
この時,あなたはCさんにいくらあずけますか?
ここではBさんが以下の条件の場合について教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
| ------------ | -------------- | ----------------------------- | -------------------- |
| 信頼両親条件 | TRU_PAR | Bさんが両親の場合 | 0ポイント-10ポイント |
| 信頼友人条件 | TRU_FRI | Bさんが友人の場合 | 0ポイント-10ポイント |
| 信頼他者条件 | TRU_OTH | Bさんが全く知らない他人の場合 | 0ポイント-10ポイント |
#### 自然関連
以下の質問について4点満点でお答えください.
| 項目名 | データタイトル | 質問項目 | 回答 |
| -------- | -------------- | ------------------------------------------------------------ | --------------------------------- |
| 自然運命 | SPN_UNM | 何かの大きな力に自分の運命は動かされているように感じることがある. | 1全くそう思わない-4非常にそう思う |
| 自然感謝 | SPN_THK | 自然などの人間を超えた力に感謝の気持ちを持つことがある. | 1全くそう思わない-4非常にそう思う |
| 自然恐怖 | SPN_FEA | 自然などの人間を超えた力に恐れの気持ちを持つことがある. | 1全くそう思わない-4非常にそう思う |
| 自然生存 | SPN_LIV | 自然などの人間を超えた力によって,生かされていると思うことがある. | 1全くそう思わない-4非常にそう思う |
| 自然大切 | SPN_IMP | 自然は大切な存在である. | 1全くそう思わない-4非常にそう思う |
| | | | |
#### 監視
以下の質問について4点満点でお答えください.
| 項目名 | データタイトル | 質問項目 | 回答 |
| ---------------- | -------------- | ------------------------------------------------------------ | --------------------------------- |
| 第2者被監視感 | KAN_SEC | 日常生活の中で,直接誰か(人間)に見られていると思うことがある. | 1全くそう思わない-4非常にそう思う |
| 第3者被監視感 | KAN_THI | 日常生活の中で,監視カメラ等を通じて誰か(人間)に間接的に見られていると思うことがある. | 1全くそう思わない-4非常にそう思う |
| 超自然的被監視感 | KAN_SUP | 日常生活の中で,超自然的な存在に見られていると思うことがある. | 1全くそう思わない-4非常にそう思う |
| 第2者被監視感 | KAN_PRD | 無機物の中に,人間の表情のようなものを見出すことがある. | 1全くそう思わない-4非常にそう思う |
| 自然大切 | KAN_KYK | 人に対して共感をすることがある. | 1全くそう思わない-4非常にそう思う |
| | | | |
#### 死後
以下の質問について4点満点でお答えください.
| 項目名 | データタイトル | 質問項目 | 回答 |
| -------- | -------------- | -------------------------------------- | --------------------------------- |
| 死後世界 | DED_SHI | 「死後の世界」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| 天国 | DED_TEN | 「天国」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| 地獄 | DED_JIG | 「地獄」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| 奇跡 | DED_KIS | 「奇跡」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| 天罰 | DED_PUN | 「天罰」が存在すると思いますか? | 1全くそう思わない-4非常にそう思う |
| | | | |
#### 性行動
以下の質問についてお答えください.
| 項目名 | データタイトル | 質問項目 | 回答 |
| ---------- | ---------------------------------------- | ------------------------------------------------------------ | ------------------------------------------------------------ |
| 性衝動 | SEX_IMP,SEX_IMP_num(数値,欠損値有り) | あなたの性衝動はどの程度強いと思いますか?7点満点でお答え下さい.なお,答えたくない方は「8.答えたくない」を選んで下さい. | 全く弱い.2. 弱い.3. どちらかと言えば弱い.4. どちらとも言えない.5. どちらかと言えば強い.6. 強い.7. 非常に強い.8. 答えたくない. |
| 自慰回数 | SEX_MAS,SEX_MAS_nen(年間回数): | あなたはどの程度の頻度でマスターベーションをしていますか?以下の選択肢の中から最も近いものを選んで下さい.なお,答えたくない方は「10. 答えたくない」を選んで下さい. | 1. 経験がない「0」, 2. 年に1回程度「1」, 3. 半年に1回程度「2」, 4. 3ヶ月に1回程度「4」, 5. 1ヶ月に1回程度「12」, 6. 2週に1回程度「26」, 7. 週に1回程度「52」, 8. 週に2-3回程度「130」, 9. 1日に1回程度「365」, 10. それ以上「730」, 11. 答えたくない「NA」 |
| 性交渉回数 | SEX_SEX,SEX_SEX_nen(年間回数) | あなたはどの程度の頻度で性交渉(性行為)をしていますか?以下の選択肢の中から最も近いものを選んで下さい.なお,答えたくない方は「10. 答えたくない」を選んで下さい. | 1. 経験がない「0」, 2. 年に1回程度「1」, 3. 半年に1回程度「2」, 4. 3ヶ月に1回程度「4」, 5. 1ヶ月に1回程度「12」, 6. 2週に1回程度「26」, 7. 週に1回程度「52」, 8. 週に2-3回程度「130」, 9. 1日に1回程度「365」, 10. それ以上「730」, 11. 答えたくない「NA」 |
| 性衝動対象 | SEX_OBJ | あなたの性衝動の対象として当てはまる選択肢を選んで下さい.なお,答えたくない方は「5.答えたくない」を選んで下さい. | 1.異性, 2. 同性,3. 両方,4. その他,5. 答えたくない |
| 天罰 | SEX_NIN,SEX_NIN_cen(中央値) | あなたが性交渉(性行為)をしたことがある人数を教えて下さい.* 性交渉を(性行為)したことがない場合は「0. 0人」を選んで下さい. また,答えたくない方は「12.答えたくない」を選んで下さい. | 1. 0人 「0」, 2. 1人 「1」, 3. 2〜3人 「2.5」, 4. 4〜5人 「4.5」, 5. 5〜7人 「6」, 6. 8〜10人 「9」, 7. 11〜15人 「13」, 8. 16〜20人 「18」, 9. 21〜30人 「25.5」, 10. 31〜40人 「35.5」, 11. 41〜100人 「70.5」, 12. 101人以上 「101」, 13. 答えたくない.「NA」 |
| 性情報開示 | SEX_NNA | 性情報に対して開示しなかった個数 | 上記5つについて答えたくないを選んだ個数 |
| | | | |
#### フェイスシート
あなたのことについて教えて下さい.
| 項目名 | データタイトル | 質問項目 | 回答 |
| -------- | -------------------------------- | ------------------------------------------------------------ | ------------------------------------------------------------ |
| 性別 | F_SEX | あなたの性別を教えて下さい. | 1.男性, 2.女性,3.その他 |
| 世代 | F_GEN | あなたの年齢を教えて下さい. | 1. 10代前半, 2. 10代後半, 3. 20代前半, 4. 20代後半, 5. 30代前半, 6. 30代後半, 7. 40代前半, 8. 40代後半, 9. 50代前半, 10. 50代前半, 11. 60代前半, 12. 60代後半, 13. 70代以降 |
| 最終学歴 | F_FGR | あなたの最終学歴を教えて下さい. | 1. 中学校卒業, 2. 高校中退, 3. 高校卒業, 4. 専門学校(短期大学)中退, 5. 専門学校(短期大学)卒業, 6. 大学中退, 7. 大学卒業, 8. 大学院修士課程(博士前期課程)中退, 9. 大学院修士課程(博士前期課程)修了, 10. 大学院博士課程(博士後期課程)中退, 11. 大学院博士課程(博士後期課程)修了 |
| 個人収入 | F_INK,F_INK_cen(中央値,百万円) | あなた個人の年収を教えて下さい. | 0. 0円, 1. 1円〜200万円未満, 2. 200万円以上〜400万円未満, 3. 400万円以上〜600万円未満, 4. 600万円以上〜800万円未満, 5. 800万円以上〜1,000万円未満, 6. 1,000万円以上〜1,200万円未満, 7. 1,200万円以上〜1,500万円未満, 8. 1,500万円以上〜2,000万円未満, 9. 2,000万円以上, 10. わからない |
| 世帯収入 | F_INS,F_INS_cen(中央値,百万円) | あなたの世帯での収入の合計を教えて下さい. | 0. 0円, 1. 1円〜200万円未満, 2. 200万円以上〜400万円未満, 3. 400万円以上〜600万円未満, 4. 600万円以上〜800万円未満, 5. 800万円以上〜1,000万円未満, 6. 1,000万円以上〜1,200万円未満, 7. 1,200万円以上〜1,500万円未満, 8. 1,500万円以上〜2,000万円未満, 9. 2,000万円以上, 10. わからない |
| 回答端末 | F_TAN | あなたが現在回答に使われているケータイ/タブレット/パソコンについて,当てはまるものを選んで下さい. | 1. パソコン(Windows), 2. パソコン(Mac), 3. パソコン(その他), 4. タブレット(Windows), 5. タブレット(iOS,iPad), 6. タブレット(android), 7. タブレット(その他), 8. スマホ(Windows), 9. スマホ(iOS,iPhone), 10. スマホ(android), 11. スマホ(その他), 12. ガラケー,フィーチャーホン, 13. その他 |
| 都道府県 | PRE | あなたのお住まいの県を教えて下さい. | 1. 北海道2. 青森県3. 岩手県4. 宮城県5. 秋田県6. 山形県7. 福島県8. 茨城県9. 栃木県10. 群馬県11. 埼玉県12. 千葉県13. 東京都14. 神奈川県15. 新潟県16. 富山県17. 石川県18. 福井県19. 山梨県20. 長野県21. 岐阜県22. 静岡県23. 愛知県24. 三重県25. 滋賀県26. 京都府27. 大阪府28. 兵庫県29. 奈良県30. 和歌山県31. 鳥取県32. 島根県33. 岡山県34. 広島県35. 山口県36. 徳島県37. 香川県38. 愛媛県39. 高知県40. 福岡県41. 佐賀県42. 長崎県43. 熊本県44. 大分県45. 宮崎県46. 鹿児島県47. 沖縄県 |
| 地域 | ARE | 都道府県から地域に変換 | 北海道:1. 北海道,東北地方:2. 青森県3. 岩手県4. 宮城県5. 秋田県6. 山形県7. 福島県,関東地方:8. 茨城県9. 栃木県10. 群馬県11. 埼玉県12. 千葉県13. 東京都14. 神奈川県,中部地方:15. 新潟県16. 富山県17. 石川県18. 福井県19. 山梨県20. 長野県21. 岐阜県22. 静岡県23. 愛知県24. 三重県,近畿地方:25. 滋賀県26. 京都府27. 大阪府28. 兵庫県29. 奈良県30. 和歌山県,中国地方:31. 鳥取県32. 島根県33. 岡山県34. 広島県35. 山口県,四国地方:36. 徳島県37. 香川県38. 愛媛県39. 高知県,九州地方:40. 福岡県41. 佐賀県42. 長崎県43. 熊本県44. 大分県45. 宮崎県46. 鹿児島県47. 沖縄県|
| 未既婚 | MAR | あなたはご結婚されていますか? | NotMarried:未婚,Married:既婚 |
| 子の有無 | CHI | あなたはお子さんがいらっしゃいますか? | NoChild:いない,Child:いる |